调节变量/交互作用（解释）

一、调节变量是什么

一般来说，当一个自变量(X)对一个因变量(Y)的影响在一个调节变量(Z)的不同水平上发生变化时，交互作用就会发生。调节变量的研究问题通常涉及：“何时”或“在什么条件下”一个自变量对因变量的影响最大。更具体地说，调节变量改变了自变量和因变量之间关系的性质或强度（Baron & Kenny，1986）。

图中涉及两个假设：

第一个假设是直接效应，预测了自变量对因变量的影响；

第二个假设是调节效应，预测了调节条件下直接效应的增强或减弱。

反向交互作用，即自变量成为调节变量

二、调节变量的选择

调节变量的选择——应该基于一个特定的理论，即为什么或在什么条件下，一个给定的关系可能对某些类型的公司、团队或个人产生显著影响，而不是对其他类型产生影响。这个选择很重要，因为它驱动了需要解释的特定类型的交互。

需要强调的是：选择的调节变量必须与其调节的关系的机制相关/有联系（调节变量是通过对主效应之间关系的机制施加影响，来实现对这一关系的程度的改变，也就解释了为什么一定要解释主效应及其机制）

三、调节变量的类型

1.两个连续变量之间的交互作用，可以采用3种典型的模式

（1）增强交互作用，其中自变量和调节变量在同一方向影响因变量，且共同比单纯相加作用更强；

（2）缓冲交互作用，调节变量减弱自变量对因变量的影响；

（3）拮抗作用，自变量和调节变量对因变量的影响是同一方向，但作用方向是反向的。

2.分类变量和连续变量之间的交互作用，可以采用2种典型的模式

（1）存在交互作用，当一个自变量与一个特定组的因变量呈正相关，而与另一组不相关；

（2）竞争交互作用，当一个自变量与一个特定组的因变量呈正相关，但与另一个组呈负相关。

四、调节变量的程度

根据调节变量的水平将样本分为两组或组以上，采用相关系数t检验和χ2检验评估调节效应的组间差异和强度。

仅仅检测调节变量对自变量对因变量的交互作用在统计上的显著影响，并不足以被认为是对理论有贡献的。交互作用必须被解释，并且必须有理论论证来解释为什么包括交互作用才产生了更好的理论（贡献）。

五、解释交互作用时出现的问题

1.一些论文对直接效应往往没有解释，直接从对交互作用的解释开始。

这尤其成问题，因为许多管理现象可以从许多其他不同的理论角度来解释，将自变量与因变量联系起来的不同机制可能源于不同的理论，这些理论提供了不同的逻辑（即使它们最终导致相同的假设关系/方向相同）。所以，对调节变量影响的解释也会因所考虑的理论而有所不同。此外，在某些情况下，不同的理论实际上可能会产生相反的主效应。在这种情况下，如果没有明确规定主要关系的性质和方向，任何对交互作用的理论或解释就会含糊不清。即使直接作用在统计上不显著，直接关系也必须在理论上证明和描述，以便使交互作用有意义。

2.许多论文解释了调节变量对因变量的直接影响，而不是调节变量对自变量和因变量之间关系的影响。

由于提出交互作用，通常引入一个新的变量，作者通常从定义新变量开始，然后讨论其对因变量影响的研究的回顾。然而，这些是直接效应的解释，而不是调节效应。调节变量或交互变量可能对因变量有影响，也可能没有影响。此外，自变量和调节变量不应该在理论上相关，因为这意味着中介。因此，关于一个变量对主关系的调节作用的论证必须不同于它对因变量的直接影响，如果主变量和因变量之间存在关系，那么连接它们的潜在理论机制（调节变量的理论机制）一定不同于影响主要关系的理论机制。

3.一些论文不解释交互效应中关系的方向。

这是有问题的，特别是当因果关系的方向在理论上可以是双向的时候。由于没有从理论上明确说明关系的方向，目前尚不清楚哪些是主要的机制，哪些是交互作用。目前，大多数的交互效应都是通过简单地将自变量和调节变量相乘，并研究这个乘积项如何影响因变量来进行统计分析的。虽然实证结果是相同的，但因果关系的方向的理论含义是不相等的，从一个不准确的因果关系中得出的结论和建议可能是错误的。

六、如何解释交互作用

1.确定用来解释直接和调节效应的理论。清楚地陈述所使用的理论，使用这种理论的逻辑，以及该理论的关键论点和假设的大纲，不仅有助于作者阐明用于建立假设的理论方法，也有助于读者理解作者如何解释这些论点。

2.将所选理论应用于研究问题，解释其直接影响和背后的影响机制。对这些机制的解释需要诸如“变量x对变量y有积极的影响，因为……”。这并不意味着要讨论这些变量是如何相关的，而是要讨论为什么它们是相关的，以及为什么因果关系会朝着一个特定的方向发展。如果直接效应之前被广泛分析过，并且从理论角度对关系有共识，你可以说这是一个众所周知的论点，直接效应只是一个基线假设。

3.为调节变量的选择提供了理论依据。在分析中纳入调节效应必须由理论驱动，而不是由交互作用的实证研究驱动或由统计分析中交互作用项的统计意义驱动。调节变量建立了直接效应变化的条件，因此它的选择需要在所使用的理论范围内。即使你发现了统计上显著的交互效应，这并不意味着调节变量在理论上是合理的，你可能发现这种效应是因为有中介或有一个共同的决定因素。

4.如果调节变量对因变量存在直接影响的话，解释并阐明导致调节变量影响因变量的机制，以便清楚这种直接效应与交互效应有何不同。

5.解释交互作用如何改变解释直接关系的机制。使用理论，指定诸如“当Z存在时，X对Y的影响被加强，因为Z以……这种方式改变了机制”或“在Z的存在下，X对Y的影响减少了，因为机制以……这种方式减弱了”。

6.理论上排除反向交互，理论上的挑战是，论证调节只能存在于一个方向上。

7.解释结果时，回归理论。与其说通常的“假设x被支持，是因为交互项的系数具有统计意义”，不如根据我们对所研究的现象的理论理解，强调这些结果的实质性意义。具体说明主关系的性质/强度是否因交互作用的加入而发生变化（调节效应的不显著结果也可能提供有用的见解），以及这些结果如何为未来的理论和研究提供信息。

参考文献

[1]Andersson U, Cuervo-Cazurra A, Nielsen B B. Explaining interaction effects within and across levels of analysis[M]//Research methods in international business. Palgrave Macmillan, Cham, 2020: 331-349.

[2]Baron, R. M., & Kenny, D. A. 1986. The moderator–mediator distinction in social psychological research: Conceptual, strategic and statistical considerations. Journal of Personality and Social Psychology, 51(6): 1173–1182.

[3]Venkatraman N. The concept of fit in strategy research: Toward verbal and statistical correspondence[J]. Academy of management review, 1989, 14(3): 423-444.

文章转载自【阿辉屋】，作者阿辉wu ，文章转载只为学术传播，不代表本公众号所持观点。